Zwift - игра, которая прокачивает тебяв реальной жизни Казалось бы, живёшь в Испании, катайся на велосипеде круглый год, но на практике всё немного сложнее. Осенью и зимой поездкам мешают дожди, рано утром и к концу рабочего дня темно, а днём работа. Остаются выходные, но там семья и куча других планов. В общем, для регулярных тренировок решил организовать себе возможность заниматься дома. Раньше у меня уже был обычный велотренажёр. Посадка на нём отличалась от моего велосипеда, ощущения были другие. Хотя, справедливости ради, подготовиться к полному Ironman это мне не помешало. В этот раз купил станок, на который устанавливается мой обычный велосипед. Снимаешь заднее колесо, закрепляешь велосипед и тренируешься с привычными рулём, седлом и посадкой. Но остаётся другая проблема: крутить педали дома на одном месте довольно скучно, хочется с кем-то посоревноваться в реальном времени И вот мой станок ещё умеет подключаться к Zwift, многопользовательской компьютерной игре, в которой вместо геймпада используется велосипед (есть еще и бег). Ты крутишь педали дома, а твой персонаж едет по виртуальному миру на экране. Причём связь работает в обе стороны: станок передаёт данные о твоих усилиях, а приложение управляет сопротивлением. Начинается подъём, крутить становится тяжелее. Вокруг ездят другие люди, можно договариваться о совместных заездах, участвовать в гонках, соревноваться с друзьями (прямо как в Отжиматоре). Есть уровни, достижения, виртуальные велосипеды и экипировка. Вполне привычные игровые механики, только для получения награды придётся не мышкой покликать, а поработать ногами. Для тех, кому важнее тренировки, чем гонки, есть готовые программы под разные цели и уровень подготовки. Выбираешь тренировку, выполняешь задания, следишь за прогрессом. То есть можно просто покататься в виртуальном мире, а можно готовиться к вполне реальному соревнованию. И это давно уже не маленький стартап для нескольких увлечённых велосипедистов. Ещё в 2020 году Zwift привлёк $450 млн. А в отчёте компании за 2025 год фигурируют 1,3 млрд километров, которые проехали пользователи, и 20,1 млн выполненных тренировок. Причём одним софтом компания не ограничилась. В 2022 году выпустила свой первый велостанок Zwift Hub, а в 2024-м представила Zwift Ride: готовый домашний велосипед на базе собственной рамы и станка Wahoo. Свой уличный велосипед на него переставлять уже не нужно. Есть и мерч: футболки, свитшоты, бутылки, полотенца. В том числе одежда с названием Watopia, их виртуального мира. Вместе со станком мне дали месяц подписки на Zwift. Сейчас попробуем, еще и дочка очень хотела себе велотренажер, может ей тоже понравиться много ездить на велике, а то жена считает, что это увлечение для людей в кризисе средних лет 🙂.

Почему AI в фитнесе питании всё ещё оверхайп - и как настроить его правильно Решил поделиться длительным опытом интеграции LLM в тренировочный процесс и ЗОЖ. За последний год я изучил этот вопрос с разных сторон: от обсуждения тренировок с LLM до разработки AI-приложений. Сегодня делюсь инсайтами. Спойлер: прямо сейчас 90% приложений с AI - тупая выкачка денег за иллюзию пользы. Но если подойти к делу с умом, ваша подписка на LLM их заменит и превзойдет. Разберем два главных направления: питание и планирование нагрузок. 1. Подсчёт калорий по фото Практически каждый современный трекер (MyFitnessPal, FatSecret, Garmin и.т.д.) встроил фичу: «сфоткай тарелку — получи КБЖУ». В чём проблема: - Специализированных моделей почти нет. В большинстве сервисов под капотом сидит обычная LLM, которая чаще занижает каллорийность. В итоге вместо легкого дефицита вы улетаете в жёсткую яму (что чревато срывами), а при работе на профицит - сидите в дефиците. - Проблема с фото. Чтобы специализированная модель хотя бы приблизительно угадала вес и состав, нужен идеальный свет, понятный масштаб и фиксированный размер тарелки. В реальной жизни люди фоткают как придется. - Иллюзия экономии времени. Большая точность достигается там, где вас просят после фото дописать текстом, что вы ели. Но тогда теряется весь смысл: проще взвесить все на весах за те же 2 мин. 2. AI-тренеры внутри приложений С планированием тренировок есть две базовые схемы: - Жесткие формулы (Garmin и др.). В 9 из 10 случаев их рекомендации адекватны, но не знают ваших целей и контекста. - Экспорт данных в стороннее приложение с LLM. Возникают проблемы экономики и управления контекстом. Чтобы модель дала качественный план, ей нужна куча данных: - Цель и фаза текущего тренировочного блока. - Саммари тренировок за прошлую неделю и динамика ключевых метрик (HRV, RHR). - Планируемая нагрузка + телеметрия за последние 3 дня. Легкие модели под капотом приложений тупо не периваривают это и путаются в цифрах,а полновесные GPT или Gemini руинят экономику разработчика. В итоге любой чат с AI в обёртке фитнес-аппы втирает вам дичь, которая совпадает с реальностью только на 60–70%. Как тогда правильно использовать LLM для тренировок? Шаг 0. Изучите базу Перед тем как идти к LLM, изучите метрики, важные для вашего спорта и как они реагируют на стресс/недосып. Вы должны быть подкованы в теме, чтобы: А) Не тратить контекст на лекции от модели. Б) Понимать реальное состояние тела до того, как откроете чат. Вариант 1: Разделение контекста в вашей личной подписке Используйте свою подписку на LLM и разведите задачи по разным чатам: - Чат 1 (Оперативный): Только динамика HRV/RHR за 3 дня + телеметрия конкретной тренировки (лучше цифрами/текстом, а не скринами). - Чат 2 (Стратегический): Таблица HRV/RHR за месяц, сводка типов нагрузки, текущие профильные метрики (например, FTP и VO2Max для вела) + цели прошлого и следующего блоков. Вариант 2: Кодинговый агент + MCP (Garmin / Strava) Самый правильный и продвинутый путь. Вы один раз собираете skill для агента, подключаете нужный MCP, настраиваете локальное сохранение контекста в файлы и дальше общаетесь как с персональным тренером. Контекст контролируется идеально, ручного копипаста - ноль. Но нужен запар на первичную настройку. Два совета для обоих сетапов: - Сообщайте инфу про свое субъективное самочувствие. Обязательно скормите модели информацию о том, как вы себя чувствуете прямо сейчас (тяжесть/стресс/плохой завтрак). ЦНС часто дает более точный сигнал, чем датчики часов, которые ещё не успели отловить сбой. - Не навязывайте модели своё мнение. Если вы напишете: «Я сегодня устал, давай отменим интервалы?» - LLM с вероятностью 99% поддакнет. Дайте ему 2–3 альтернативы, попросив сделать объективный выбор. Так вы снизите риск перетрена и травм практически до нуля и получите действительно рабочий инструмент. Если вам интересна тема сетапа кодингового агента - накидайте огонечков, распишу отдельным постом.